Case-Based Reasoning oder Fallbasiertes Schließen als Teilbereich der Künstlichen Intelligenz wurde in den letzten Jahren in einer Vielzahl kommerzieller und forschungsnaher Anwendungen eingesetzt. Das Anwendungsspektrum reicht von klassischen Expertensystemen bis hin zu Produktkonfiguratoren im Internet. Allerdings unterliegen die bestehenden Systeme immer noch Restriktionen bei der Verarbeitung von Textdokumenten und bei der Integration in bestehende Informationsinfrastrukturen.

Am Beispiel der strukturierten Suche in Wirtschaftsnachrichten stellt Markus Pfuhl eine alternative Vorgehensweise vor, die eine Verarbeitung großer Dokumentenmengen ermöglicht und zugleich mit der Verwendung Relationaler Datenbanken auf einem weitverbreiteten Standard der Datenbanktechnolgie basiert. Abschließend untersucht er die Strukturierung von Textdokumenten, denn ihr kommt auch bei Fragestellungen des Wissensmanagements eine wachsende Bedeutung zu.

Autorentext

Dr. Markus Pfuhl war wissenschaftlicher Mitarbeiter von Prof. Dr. Paul Alpar am Institut für Wirtschaftsinformatik der Universität Marburg und bekleidet nun eine Stabsstelle im IT-Management eines international tätigen Unternehmens.

Klappentext

Am Beispiel der strukturierten Suche in Wirtschaftsnachrichten stellt Markus Pfuhl eine alternative Vorgehensweise vor, die eine Verarbeitung großer Dokumentenmengen ermöglicht und zugleich mit der Verwendung Relationaler Datenbanken auf einem weitverbreiteten Standard der Datenbanktechnolgie basiert.

Inhalt
1 Case-Based Reasoning.- 1.1 Allgemeine Betrachtung von Case-Based Reasoning.- 1.2 CBR-Zyklen.- 1.3 CBR-Ansätze.- 1.4 Aktuelle CBR-Anwendungen.- 2 Repräsentation in Relationalen Datenbanken.- 2.1 Klassische Methoden der Fall-Repräsentation.- 2.2 Speicherung von Fällen in Relationalen Datenbanken.- 3 Ähnlichkeit, Retrieval und Query-Relaxation.- 3.1 Ähnlichkeitsmaße und deren Berechnung.- 3.2 Verfahren zum Retrieval von Fällen.- 3.3 Retrieval auf Relationalen Datenbanken.- 3.4 Entwicklung eines Verfahrens zur Relaxation von Anfragen.- 4 Strukturierte Wissensrepräsentation.- 4.1 Gründe für eine strukturierte Wissensrepräsentation.- 4.2 Ontologie.- 4.3 Anwendungen von Ontologien.- 4.4 Suche in unstrukturierten Informationsquellen.- 4.5 Vorstrukturierung zur Unterstützung der Suche in Texten.- 5 Suche in Wirtschaftsnachrichten.- 5.1 Wirtschaftsnachrichten als Objekt einer Suchmaschine.- 5.2 Vorverarbeitung der Textdokumente.- 5.3 Wissensmodell und Taxonomieerstellung.- 5.4 Technische Umsetzimg.- 6 Bewertung und Ausblick.- 6.1 Test und Gütekriterien.- 6.2 Zusammenfassung.- 6.3 Ausblick.- A Effektivitätsmessung.- A.1 Anfragen zur Bestimmung von Precision und Recall.- A.2 Vergleich mit der Suchmaschine der DGAP.- B Übersicht über die VWD-Selektoren.- C Beschreibung der Software.- C.1 Datenvorverarbeitung.- C.2 Indizierung der Dokumente.- C.3 Einlesen der Taxonomien.- C.4 Suchvorgang.